Migliorare la chiarezza dei testi amministrativi con ChatGPT. Il caso della subordinazione sintattica tra criteri morfo-sintattici e criteri informativo-testuali
Authors
Mariachiara Pascucci, Angela FerrariKey Information
Journal
Published in Vol. 5 No. 1 (2026) of AI-Linguistica. Linguistic Studies on AI-Generated Texts and Discourses.
AI-Linguistica. Linguistic Studies on AI-Generated Texts and Discourses is a new scholarly journal aiming at providing a publishing plateform for researchers from all areas of Linguistics (interfacing with neighboring fields: Communication Science, Media and Journalism Studies, Computational Linguistics) to reflect on generated texts from a variety of perspectives: theoretical, descriptive, and applied.
We understand ‘generated texts’ in a broad sense, including formats as diverse as texts generated by Large Language Models, AI-powered smart agents (i.e. chatbots, voice assistants, social bots etc.), writing assistance tools, template-based software, and neural machine translation services.
About the JournalAbstract
Questo contributo prende in esame le riscritture semplificate di testi amministrativi italiani prodotte da ChatGPT-4o e ChatGPT-4.5, con particolare attenzione al trattamento della subordinazione sintattica. Il campione analizzato è composto da sei brani amministrativi e dalle rispettive riscritture prodotte da entrambi i modelli mediante la tecnica del role prompting. La prima sezione del lavoro è dedicata a un’analisi quantitativa della subordinazione, finalizzata a individuare i principali tipi di intervento rilevati nei testi prodotti dai modelli. La seconda sezione si concentra invece in modo più mirato sulle subordinate circostanziali e propone una valutazione degli interventi del modello basata su due parametri: un parametro sintattico-formale e un parametro testuale-funzionale. Si vedrà come, a differenza di come ci si possa aspettare, il modello non tenda semplicemente ad eliminarle, ma a volte le conservi e addirittura le aggiunga laddove non c’erano nell’originale. Come mostra in modo ineccepibile il caso dell’introduzione delle subordinate post-reggente, le scelte effettuate sono tendenzialmente efficaci in quanto hanno una ragione di essere informativa e testuale.
References
Coirier, Pierre & Gaonac’h, Daniel & Passerault, Jean-Michel. 1996. Psycholinguistique textuelle: une approche cognitive de la compréhension et de la production des textes. Paris: Colin.
Cortelazzo, Michele. 2021. Il linguaggio amministrativo. Principi e pratiche di modernizzazione. Roma: Carocci.
Ferrari, Angela & Piantanida, Giovanni. 2025. Il prezzo della semplificazione linguistica usualmente intesa. Riflessioni in prospettiva teorica. In Fiorentino, Giuliana & Cioffi, Alessandro & Simonelli, Maria Ausilia (a c. di), Amministrazione attiva: semplicità e chiarezza per la comunicazione amministrativa, 171-184. Firenze: Franco Cesati.
Ferrari, Angela (a c. di). 2024. Dizionario di linguistica del testo a uso delle scienze umane. Roma: Carocci.
Ferrari, Angela. 2014. Linguistica del testo. Principi, fenomeni, strutture. Roma: Carocci.
Fiorentino, Giuliana & Tavosanis, Mirko. 2024. Chiaro, sintetico, e brillante: l’italiano dei testi redatti con l’IA funziona? In Lid’O XXI, 37-65. Roma:Bulzoni.
ITTIG & Accademia della Crusca. 2011. Guida alla redazione degli atti amministrativi. http://www.ittig.cnr.it/Ricerca/Testi/GuidaAttiAmministrativi.pdf (ultimo accesso: 20/12/2025)
Ondelli, Stefano & Santoro, Alessia. 2025. Come usare ChatGPT per semplificare i testi amministrativi? Alcuni confronti tra intelligenza umana e intelligenza artificiale. Italiano LinguaDue 17(2). 1327–1377. https://doi.org/10.54103/2037-3597/30514
Paci, Walter & Gregori, Lorenzo & Acerboni, Giovanni & Panunzi, Alessandro & Perugini, Maria Roberta. 2024. ChatGPT to simplify Italian bureaucratic and professional texts. AI-Linguistica 1(1). https://ai-ling.publia.org/ai_ling/article/view/13/12
Pascucci, Mariachiara & Tavosanis, Mirko. 2024. Confronto tra diversi tipi di valutazione del miglioramento della chiarezza di testi amministrativi in lingua italiana. In Dell'Orletta, Felice & Lenci, Alessandro & Montemagni, Simonetta & Sprugnoli, Rachele (eds), Proceedings of the Tenth Italian Conference on Computational Linguistics - CLiC-it 2024 (Pisa, December 4-6, 2024), 746-757. CEUR Workshop Proceedings. https://ceur-ws.org/Vol-3878/81_main_long.pdf.
Russodivito, Marco & Ganfi, Vittorio & Fiorentino, Giuliana & Oliveto Rocco. 2024. AI vs. Human: Effectiveness of LLMs in Simplifying Italian Administrative Documents, In Dell’Orletta, Felice & Lenci, Alessandro & Montemagni, Simonetta & Sprugnoli, Rachele (eds), Proceedings of the Tenth Italian Conference on Computational Linguistics - CLiC-it 2024 (Pisa, December 4-6, 2024), 852-854. CEUR Workshop Proceedings. https://ceur-ws.org/Vol-3878/91_main_long.pdf.
Säuberli, Andreas & Holzknecht, Franz & Haller, Patrick & Deilen, Silvana & Schiffl, Laura & Hansen-Schirra, Silvia & Ebling, Sarah. 2024. Digital Comprehensibility Assessment of Simplified Texts among Persons with Intellectual Disabilities. In Mueller, Florian Floyd & Kyburz, Penny & Williamson, Julie R. & Sas, Corina & Wilson, Max L. & Dugas, Phoebe Toups, Shklovski, Irina (eds), Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems (CHI ’24) (Honolulu HI USA May 11-16, 2024), 1–11. New York: Association for Computing Machinery.
Details
License
Copyright (c) 2026 Mariachiara Pascucci, Angela Ferrari
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.